1
PEMANFAATAN BUSINESS INTELLIGENCE PENDISTRIBUSIAN
MAKANAN OLAHAN
Khoirul Kamal1, Yesi Novaria Kunang2 , Susan Dian P S3
1,2,3Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Bina Darma Palembang, Indonesia
1[email protected], 2[email protected],3[email protected]
Abstract. PT Central Pertiwi merupakan perusahaan yang bergerak di bidang usaha penditribusiaan makanan olahan seperti Shifudo, Fiesta, Seafood dan sebagainya. Permasalahan yang dimuncukan adalah dalam hal strategi bisnis yaitu pengelolaan data pendistribusian yang tidak dijadikan strategi informasi untuk mengembangkan bisnis.
Business Intelligence (BI) merupakan aplikasi e-business yang berfungsi untuk mengubah
data dalam perusahaan ke dalam bentuk pengetahuan. Aplikasi ini dapat melakukan analisis terhadap data dengan lebih efektif, misalnya untuk melakukan analisis terhadap distribusi untuk meningkatkan keuntungan perusahaan, menganalisis interaksi dengan pelanggan dan mengoptimalkan hubungan tersebut. Analisis terhadap transaksi-transaksi di masa lampau dan menggunakan pengetahuan tersebut untuk mendukung keputusan dan perencanaan operasi yang akan diambil perusahaan. Hasil dari penelitian adalah menghasilkan Dashboard sebagai pendukung keputusan pendistribusian makaan olahan pada PT Central Pertiwi
Kata kunci : Pendistribusian, Business Intelligence, Dashboard.
Abstract. PT Central Pertiwi is a company engaged in the business of processed foods rationing such as Shifudo, Fiesta, seafood and etc. Problems that raised is in terms of business strategy, namely the distribution data management information that is not used as a strategy to grow the business. Business Intelligence (BI) is an e-business application that works to change the data in the enterprise in the form of knowledge. This application can perform an analysis of the data more effectively, for example, to conduct an analysis of the distribution to increase the profits of the company, analyzing the interaction with customers and optimize the relationship. An analysis of the transactions in the past and use that knowledge to support decision making and planning of operations to be taken by the company. The results of the research are resulting in the dashboard as a decision support processed foods rationing at PT Central Pertiwi Bahari.
2
1.
Pendahuluan
Pendistribusian adalah suatu proses penyampaian barangatau jasa dari produsen ke konsumen dan para pemakai,sewaktu dan dimana barang atau jasa tersebut diperlukan. Proses distribusi tersebut pada dasarnya menciptakan faedah waktu, tempat, dan pengalihan hak milik[1].Saluran distribusi adalah serangkaian organisasi yang saling tergantung dan terlibat dalam proses untuk menjadikan suatu barang atau jasa siap untuk digunakan atau dikonsumsi[2].
Pada industri makanan olahan distribusi menjadi bagian penting. Produk berupa makanan olahan mempunyai umur yang relatif sangat singkat, sistem distribusi yang baik akan menjamin produk sampai ke konsumen lebih cepat sehingga mengurangi resiko kerugian.
PT Central Pertiwi merupakan perusahaan yang bergerak di bidang usaha penditribusiaan makanan olahan seperti Shifudo, Fiesta, Seafood dan sebagainya. Pendistribusian produk makanan olahan ini tersebar diwilayah kota Palembang dan luar kota Palembang. Adapun proses bisnis pendistribusian makanan olahan dimulai dengan menerima supplay barang dari central
warehouse yang berada di Jakarta
sesuai dengan pesanan yang telah ditentukan. Proses seanjutnya yaitu penditribusian dimulai dengan permintaan barang (purchasing
order) oleh pihak Retail . sebelum
terjadiya pendistribusian atau penyaluran barang terdapat alur transaksi yang dimulai dari pesanan barang dari pihak Retail, melalui perantara Salesman terjadilah negosiasi antara pihak Retail
mengenai purchasing order yang akan mereka buat. Setelah terjadi kesepakatan purchasing orderd yang
mereka buat dan valid, Salesman
akan menyerahkan hasil orderan yang diminta pihak Retail ke admin,
kemudian akan dibuat oleh admin sales berupa sales order yang dikirim ke admin logistic. admin logistik memverifikasi jumlah orderan setelah itu dilakukannya delivery order ke pihak Retail. Pihak Retail menerima dan melakukan receiving / pengecekan masa dan pengecekan fisik, jika barang mengalami kerusakan maka akan dilakukan
return oleh PT. Cental Pertiwi.
Setelah semua proses selesai, pihak
Retail akan menaruh barang di bagian
gudang. dalam menunjang strategi bisnis untuk memajuan perusahaan dalam hal pemanfaatan data dibutuhkan suatu konsep
pengembangan analisis
pendistribusian untuk mengatasi permasalahan dalam hal strategi bisnis yaitu pengelolaan data pendistribusian yang tidak dijadikan strategi informasi untuk mengembangkan bisnis.
2.
Metodelogi Penelitian
2.1 Lokasi dan Waktu PenelitianPenelitian ini dilakukan di PT. Central Pertiwi Bahari Cabang Palembang yang bertempat di Jalan Jaksa Agung R. Suprapto No. 647 Kel. Bukit Besar Kec. Ilir Barat I Palembang. serta waktu penelitian dimulai dari bulan September 2015 sampai Februari 2016.
2.2 Metode penelitian
Metode yang digunakan dalam penelitian ini adalah Business Intelligence Roadmap[3].
Berdasarkan buku Larissa T Moss,
Business Intelligence Roadmap
dibagi menjadi metode analisis dan metode perancangan.
3 Metode analisis yang
digunakan terdiri atas tujuh tahapan, diantaranya adalah:
1. Justification
Business Case Assesment Untuk merancang sebuah aplikasi BI, tahap awal yang harus dilakukan adalah menentukan pengecekan atau pemeriksaan serta pengumpulan informasi yang dibutuhkan seperti tujuan, strategi dan sasaran sebuah organisasi.
2. Planning
Tahapan ini mempunyai dua kegiatan utama yang dilakukan yaitu
enterprise infrastructure evaluation
dan project planning.
a. Enterprise Infrastructure Evaluation
Perancangan infrastruktur dilakukan agar aplikasi BI dapat berjalan baik sesuai yang kebutuhan. Tahapan ini terdiri dari Technical
Infrastructure dan non-technical infrastructure.
b. Project Planning
Tahapan ini dibuat agar perancangan aplikasi yang dibangun dapat selesai tepat waktu,
3. Business Analysis
Tahapan ini mempunyai empat kegiatan utama yang dilakukan yaitu
project requirement definition, data analysis, appkication prototyping dan metadata repository analysis.
a. Project Requirement Definition
Tahapan ini adalah tahapan pengecekan infrastruktur yang ada apakah sudah sesuai dengan infrastruktur yang dibutuhkan atau tidak.
b. Data analysis
Tahapan ini berupa pengecekan kualitas data-data
tersebut, apakah kualitas data-data tersebut baik atau tidak.
c. Application Prototyping
Ini membuat rancangan fitur-fitur berdasarkan kebutuhan perusahaan, kemudian aplikasi dibuat sesuai dengan fitur-fitur yang telah disepakati atau disetujui ke dalam bentuk prototype.
d. Metadata Repository Analysis
Metadata dirancang untuk menyimpan informasi kontekstual perusahaan.
2.2.2 Metode Perancangan
Berdasarkan buku Lariss T Moss[3], metode perancangan yang digunakan terdiri atas tujuh tahapan, diantaranya :
1. Design
a. Database design
Perancangan database ini dilakukan untuk dapat menunjang aplikasi yang akan dibangun dengan membuat star schema ataupun snow
flake.
b. ETL design
Tahapan ini akan dilakukan jika data-data tersebut kualitasnya kurang baik. Namun jika kualitas data-data tersebut sudah baik, maka proses ini tidak perlu lagi dilakukan.
c. Metadata repository design
Tahapan ini akan dilakukan perancangan metadata repository. Ini dilakukan untuk menerangkan sumber database yang digunakan.
2. Construction
a. ETL Development
Tahapan ini menggambarkan tentang proses penggambaran ETL yang telah dilakukan dalam pembuatan dashboard business intelligence. Tahapan ini dilakukan
jika kualitas data-data tersebut buruk, dan sebaiknya tahapan ini tidak
4 dilakukan jika kualitas data-data
tersebut baik.
b. Application Development Tahapan ini berupa pembuatan
dashboard business intelligence dan
hasil taampilan atau output dari aplikasi yang dibuat.
c. Data Mining
Dilakukan dengan cara teknik
clustering. Jika data-data sudah tidak
perlu lagi di clustering, maka tahap ini tidak dilakukan.
d. Metadata Repository
Development
Tahapan ini menampilkan hasil dari tiap-tiap metadata repository yang telah dibuat sebelumnya dalam proyek berdasarkan informasi yang akan dihasilkan. Metadata repository ini berisikan tentang data-data dari OLAP.
2.3 Distribusi
Distribusi berakar dari bahasa inggris distribution yang berarti penyaluran. Sedangkan kata dasarnya
to distribute, berdasarkan Kamus
Inggris Indonesi bermakna membagikan, menyalurkan, menyebarkan, mendistribusikan, dan mengageni. Sedangkan menurut Kamus Besar Bahasa Indonesia, distribusi dimaksudkan sebagai penyalur (pembagian, pengiriman) kepada beberapa orang atau beberapa tempat. Jadi berdasarkan rujukan di atas, distribusi dapat dimengerti sebagai proses penyaluran barang atau jasa kepada pihak lain. Dalam kegiatan distribusi diperlukan adanya sarana dan tujuan sehingga kegiatan distribusi dapat berjalan dan terlaksana dengan baik.
Kegiatan distribusi merupakan salah satu fungsi pemasaran yang sangat penting dilakukan dalam
pemasaran yaitu untuk
mengembangkan dan memperluas
arus barang atau jasa mulai dari produsen sampai ketangan konsumen sesuai dengan jumlah dan waktu yang telah ditentukan. Pemilihan proses distribusi merupakan suatu masalah yang sangat penting sebab kesalahan dalam pemilihan proses distribusi dapat memperlambat proses penyaluran barang atau jasa sampai ketangan konsumen atau pemakai.
Untuk mengetahui lebih jelas mengenai pengertian distribusi, berikut ini dikemukakan pendapat dari beberapa ahli antara lain :
Menurut Sofyan Assauri (2004 : 83), Distribusi merupakan suatu lembaga yang memasarkan produk, yang berupa barang atau jasa dari produsen ke konsumen.
Marius P Angipora (2002 : 295), Distribusi adalah sekelompok pedagang dan agen perusahaan yang mengkombinasikan antara pemindahan fisik dan nama dari satu produk untuk menciptakan penggunaan pasar tertentu.
Dari kedua referensi diatas dapat disimpulkan distribusi adalah sistem yang menghubungkan atau menyalurkan barang dan jasa kepada pelanggan, sedangkan saluran barang mengkombinasikan produk menciptakan penggunaan pasar tertentu.
2.4 Basis Data
Basis Data adalah kumpulan data yang saling berhubungan secara logikal serta deskripsi dari data tersebut, yang dirancang untuk memenuhi kebutuhan informasi suatu organisasi. Basis Data adalah sebuah penyimpanan data yang besar yang bisa digunakan oleh banyak pengguna dan departemen. Semua data terintegrasi dengan jumlah duplikasi yang minimum. Basis Data tidak lagi dipegang oleh satu departemen, tetapi dibagikan ke seluruh departemen pada perusahaan. Basis Data itu sendiri tidak hanya
5 memegang data operasional
organisasi tetapi juga penggambaran dari data tersebut (Connolly & Begg, 2010).
Basis data adalah kumpulan
data store yang terintegrasi yang
diatur dan di kontrol secara sentral. Sebuah basis data biasanya menyimpan ribuan class. Informasi yang disimpan termasuk class attribute dan relasi antar class. Basis
data juga menyimpan informasi yang deksriptif seperti nama atribut, pemberian batasan suatu nilai, dan kontrol akses untuk data-data yang sensitif (Satzinger, Robert, & Stephen, 2005). Basis data juga diartikan sebagai sekumpulan file dikomputer yang saling terhubung.
Dapat disimpulkan basis data adalah penyimpanan data yang terstruktur, terintegrasi dan saling berkaitan dengan elemen-elemen penghubungnya dan dapat di akses dengan berbagai cara, oleh karena itu basis data juga bisa didefinisikan
sebagai kumpulan yang
menggambarkan sendiri dari catatan yang terintegrasi dan penggambaran dari data dikenal sebagai sistem katalog (atau kamus data atau metadata). Definisi data disini dibedakan dari program aplikasi, yang umumnya sama dengan pendekatan pengembangan modern perangkat lunak, dimana definisi internal dan eksternal dari sebuah objek dipisahkan. Salah satu keuntungan dari pendekatan tersebut adalah abstraksi data dimana kita dapat mengubah definisi internal dari sebuah objek tanpa mempengaruhi pengguna dari objek jika definisi eksternal objek tersebut tidak berubah.
2.5 Data Warehouse
Menurut Connolly(2010),
data warehouse adalah sekumpulan
dari data yang subject-oriented,
integrated, time-variant, dan
non-volatile untuk mendukung proses
pembuatan keputusan manajemen. Sedangkan menurut Turban (2011) data warehouse adalah kumpulan data yang dibuat untuk mendukung pengambilan keputusan dan juga menjadi tempat penyimpanan dari data sekarang dan lampau yang memiliki potensi ketertarikan kepada manajer diseluruh organisasi.
Berdasarkan Connolly dan Begg (2010), terdapat komponen-komponen utama didalam arsitektur
data warehouse, yaitu terdiri dari :
1. Operational Data, sumber dari data ini didapat dari data operasional yang dilakukan pada
database awal.
2. Operational Data Store (ODS), tempat penyimpanan data operasional yang sedang terjadi dan terintegrasi dimana digunakan untuk analisis.
3. Load Manager (sering juga disebut komponen frontend),
menampilkan semua operasi yang diasosiasikan dengan data yang telah diekstrak dan di-load
kedalam warehouse.
4. Warehouse Manager,
menampilkan semua operasi yang diasosiasikan dengan manajemen data dalam warehouse,
5. Query Manager (sering disebut juga komponen backend),
menampilkan semua operasi yang diasosiasikan dengan manajemen dari user queries,
6. Detailed Data, area dari data
warehouse yang menyimpan semua data rinci didalam skema
database. Umumnya, data rinci
tidak disimpan secara online namun bisa tersedia dengan mengagregasi data ke tingkat detil selanjutnya. Data rinci ditambahkan ke dalam data
warehouse untuk mendukung data
agregat.
7. Lightly dan Highly Summarized
6 yang menyimpan semua standar
untuk lightly summarized data yang dihasilkan oleh warehouse
manager. Tujuan dari meringkas
informasi adalah untuk mempercepat kinerja saat melakukan query. Ringkasan data akan ditambah saat data baru dimasukkan kedalam data warehouse.
8. Archieve/ Backup Data, area
warehouse yang menyimpan
detailed dan summarized data
yang bertujuan sebagai arsip dan
backup data.
9. Meta-Data, area ini menyimpan definisi metadata (data tentang data) yang digunakan oleh semua proses dalam warehouse.
Meta-data digunakan untuk berbagai macam tujuan termasuk :
a.
Proses ekstrak dan load -metadata digunakan untuk
memetakan sumber data kedalam pandangan umum sebagai warehouse.
b. Proses manajemen warehouse- metadata digunakan untuk mengotomatisasi pembuatan tabel ringkasan.
c. Sebagai bagian proses manajemen query – metadata
digunakan untuk
menghubungkan query ke sumber data yang sesuai.
Struktur metadata berbeda
antara setiap proses, karena tujuan berbeda. Ini berarti bahwa berbagai salinan metadata yang menggambarkan data item yang sama dipegang dalam data
warehouse. Kebanyakan tool
penjual untuk salinan manajemen dan end-user data mengakses menggunakan versi mereka sendiri dari metadata. Secara khusus, tool salinan manajemen menggunakan
metadata untuk mengerti peraturan pemetaan untuk mengubah sumber data kedalam bentuk biasa. Tool akses end-user menggunakan metadata untuk
mengerti bagaimana untuk membangun sebuah query.
10. End-User Access Tools, dapat dikategorikan menjadi lima grup utama: data reporting and query
tools, application development tools, executive information system (EIS) tools, online analytical processing (OLAP) tools dan data mining tools.
Berikut gambaran dari Arsitektur Data Warehouse :
Gambar 2.5 Arsitektur Data Warehouse (Connolly, 2010)
2.6 Business Intelligence
“Business Intelligence
menjelaskan tentang suatu konsep dan metode bagiamana untuk meningkatkan kualitas pengambilan keputusan bisnis berdasarkan sistem yang berbasiskan data. BI seringkali dipersamakan sebagaimana briefing
books, re-port and query tools, dan
sistem informasi eksekutif. BI merupakan sistem pendukung pengambilan keputusan yang berbasiskan data-data” (DJ Powers, 2002).
Business Intelligence (Intelejen
Bisnis) adalah suatu cara untuk mengumpulkan, menyimpan, mengorganisasikan, membentuk ulang, meringkas data serta menyediakan informasi, baik berupa data aktifitas bisnis internal perusahaan, maupun data aktifitas bisnis eksternal perusahaan termasuk aktifitas bisnis para pesaing yang mudah diakses serta dianalisis untuk
7 berbagai kegiatan manajemen (David,
2000).
Menurut Vercellis (2009), Arsitektur BI terdiri dari 3 komponen penting yaitu:
1. Sumber Data. Pada tahap pertama, perlu untuk mengumpulkan dan mengintegrasikan Data yang disimpan dalam sumber-sumber primer dan sekunder yang heterogen sesuai dengan jenisnya. 2. Data Warehouse dan Data Mart.
Menggunakan alat ekstraksi, transformasi dan load yang dikenal sebagai ETL Data yang berasal dari berbagai sumber yang disimpan di dalam Database untuk mendukung analisis BI.
3. Metodologi BI. Data akhirnya diambil dan digunakan untuk membuat model matematika dan metodologi analisis dimaksudkan untuk mendukung keputusan pembuat.
Berikut gambaran dari Arsitektur Business Intelligence :
Gambar 2.2 Arsitektur Business Intelligence (Vercellis, 2009)
2.7 On-Line Analytical Processing
On-Line Analytical Processing
atau disingkat OLAP secara mendasar merupakan suatu metode khusus untuk melakukan analisis terhadap data-data yang terdapat dalam media penyimpanan data berupa basisdata dan kemudian dilanjutkan dengan membuat laporan analisis sesuai dengan permintaan para pengguna atau user. Untuk tujuan tersebut data yang berupa informasi dibuat ke dalam format
khusus dengan memberikan kelompok atau group terhadap data-data tersebut, hal ini dinamakan dengan model kubus (cube models).
OLAP merupakan sebuah teknologi yang menggunakan tampilan multi dimensi dari data untuk menyediakan akses secara cepat kepada informasi strategis yang bertujuan untuk analisis lanjutan. OLAP memungkinkan pengguna untuk mendapatkan pengertian dan pengetahuan yang lebih mendalam tentang berbagai macam aspek dari data perusahaan. (Connolly dan Begg, 2010)
Berikut karakteristik utama yang terdapat pada On-Line Analytical Processing yakni meliputi
:
1. Mendukung pemanfaatan dan penggunaan data warehouse yang memiliki data multidimensional. 2. Menyediakan fasilitas query
interaktif dan analisis yang kompleks.
3. Menyediakan fasilitas drill-down untuk memperoleh informasi yang rinci, dan roll-up untuk
memperoleh agregat dalam multidimensional.
4. Mampu menghasilkan perhitungan dan perbandingan.
5. Mampu menyajikan hasil dalam bentuk angka-angka yang mudah dimengerti maupun penyajian dalam bentuk grafik.
Data pada OLAP disimpan dalam model multidimensional.Jika pada basisdata relasional terdiri dari dua dimensi, maka pada basis multidimensional terdiri dari banyak dimensi yang dapat dipisahkan oleh OLAP menjadi beberapa sub atribut. OLAP dapat digunakan untuk data
miningatau menemukan hubungan
antara suatu item yang belum ditemukan.
Pada basisdata OLAP tidak perlu memiliki ukuran besar seperti
data warehouse, karena tidak semua
8 karena tujuan OLAP menampilkan
data dalam sebuah tabel yang dinamis, yang secara otomatis akan meringkas data ke dalam beberapa irisan data yang berbeda-beda dan mengizinkan pengguna atau user untuk secara interaktif melakukan perhitungan dan serta membuat format suatu laporan.
2.8 Online Transaction
Processing
Menurut Connolly dan Begg (2010) OLTP merupakan sistem yang telah dirancang untuk menangani suatu pemrosesan transaksi tingkat tinggi, secara umum transaksi tersebut membuat perubahan yang kecil pada data operasional organisasi, dan dibutuhkan untuk menangani operasi sehari-hari pada organisasi.
Menurut Turban (2011) OLTP merupakan Transaction Processing
System (TPS) yang beroperasi pada
arsitektur client/server yang mana memperbolehkan pemasok organisasi untuk masuk TPS dengan melalui ekstranet dan memperhatikan tingkat persediaan perusahaan atau jadwal produksi pada perusahaan.
Dapat disimpulkan OLTP merupakan suatu sistem pemrosesan data yang menyimpan transaksi data operasional dalam suatu perusahaan. 2.9 ETL(Extract Transform Load) Menurut Connolly dan Begg (2010), ETL merupakan proses menyiapkan data dari sumber data atau operational source untuk data
warehouse. Tujuan ETL adalah
mengumpulkan, menyaring, mengolah dan menggabungkan data – data yang relevan dari berbagai sumber untuk dismpan ke dalam data warehouse, dapat digunakan untuk mengintegrasikan data dengan sistem yang sudah ada sebelumnya. ETL terdiri dari 3 proses, yaitu :
1. Extraction
Langkah pertama dari proses ETL adalah mengekstrak data dari satu sumber atau banyak sumber data. Kebanyakan proses data warehouse menggabungkan data dari sumber– sumber yang berbeda. Sumber– sumber data yang ada kemungkinan memiliki format yang berbeda–beda sehingga perlu dilakukan ekstraksi. Ekstrasi merupakan proses mengubah data ke dalam suatu format yang berguna untuk proses transformasi.
2. Transformation
Proses mengubah data yang didapat dari proses extraction untuk mengekstrak data menjadi bentuk yang diperlukan, sehingga data tersebut sesuai dan dapat diproses dalam data warehouse. Hal – hal yang dilakukan dalam tahap transformasi :
a. Hanya memilih kolom tertentu saja untuk memasukkan ke dalam
data warehouse.
b. Menterjemahkan nilai berupa kode.
c. Mengkodekan nilai–nilai ke dalam bentu bebas (contoh : memetakan ”male” ke dalam ”m”). d. Melakukan perhitungan
nilai–nilai baru (contoh :
qty*price).
e. Menggabungkan data dari berbagai sumber.
f. Membuat ringkasan dari sekumpulan data.
g. Menentukan nilai surrogate
key.
h. Mengubah sekumpulan kolom menjadi sekumpulan baris atau sebaliknya. i. Memisahkan kolom
menjadi beberapa kolom. j. Menggunakan bentuk
validasi data baik yang sederhana ataupun kompleks.
9 3. Load
Load adalah fase atau tahapan dimana data dimasukkan ke dalam data warehouse. Waktu dalam
fase load ini tergantung pada kebutuhan perusahaan dalam
menganalisis kebutuhan
informasinya.
3.
Proses ETL
Adapun prosesnya sebagai berikut :
Gambar 1. Pemindahan tabel-tabel ke SQL Server
Keterangan Gambar 1 :
Untuk proses import data source dari
excel ke SQL Server, pembuatannya
dengan cara memindahkan toolbox ke
data flow. Data flow source adalah
Transaksi, Pelanggan, Produk yang berformat excel. Data flow source di
transform berupa data conversion dan
sort. Dan akhirnya data flow destination adalah SQL server.
Gambar 2. Cube, Measure dan Metadata yang dihasilkan
Keterangan Gambar 2 :
Kemudian pembuatan cube, metadata, measure dan dimensi yang
dapat menyediakan analisis OLTP multidimensional untuk manajer bisnis dalam lingkungan terbatas. Hasil yang didapatkan dari proses tersebut adalah Tabel Transaksi menjadi Tabel fakta sedangkan tabel Pelanggan, tabel Produk dan tabel TglTransaksi adalah tabel dimensi. Hasil cube, metadata dan dimensi dan measure yang dibuat.
Gambar 3. Menghubungkan SSAS dengan SSRS dan shared dataset
dashboard Keterangan Gambar 3 :
Tahap terakhir Pembuatan Project baru pada SSRS yang ada di SQL
Server Business Intelligence Development Studio dengan nama
projectnya adalah SSRSTransaksi. kemudian pembuatan Shared Data
Source. Ini bertujuan untuk menghubungkan hasil OLAP yang sudah dibuat pada prosess SSAS dengan SSRS yang akan dibuat di tahapan ini. Menghubungkan data
source hasil OLAP di SSAS dengan
SSRS dengan Data Source adalah
MicorsoftSQL Analisys Services, server name adalah User, nama SSAS
adalah SSASTransaksi dimana nama
10 Pembuatan shared dataset yang
sesuai dengan format dashboard PT. Central Pertiwi Bahari yang akan ditampilkan pada SSRS. Dataset adalah komponen yang mampu menampung dan mengoleksi multidimensi tabel pada memori kerja dalam format XML. Hasil dari shared
data source bernama RevisiTransaksi1.rds digunakan sebagai source data pembuatan dataset. Pada query designer, field dari dimensi yang dipilih untuk pembuatannya adalah Nama pelanggan, kota, Brand, kategori, nm_produk, tgl_transaksi dan nama produk sedangkan measurenya adalah jumlah dan transaksi count yang disesuaikan dengan dashboard di PT. Central Pertiwi Bahari.
4. Hasil
Penjelasan hasil dashboard yang telah dibuat, sebagai berikut :
1. Data diambil dari sumbernya yang mana data tersebut tersimpan di database MySQL. data tersebut terdiri dari 3 tabel, yaitu tabel Transaksi, tabel Pelanggan dan tabel Produk.Tabel Transaksi terdiri dari 2488 data, tabel pelanggan terdiri dari 569 data dan tabel Produk terdiri dari 29 data. Tabel-tabel tersebut diimport ke
database SQL Server dengan
menggunakan SQL Server Integration Service (SSIS). Di
SSIS juga terjadi proses pembentukan tabel tgl_transaksi dari tabel Transaksi. Tabel tgl_transaksi terdiri dari 78 data. 2. Tabel-tabel tersebut dibersihkan /
cleansing di SQL Server Integration Service (SSIS).
3. Selanjutnya tabel tersebut di analisis di SSAS (SQL Server
AnalysisService). Tahapan ini bertujuan untuk pembuatan OLAP (Online Analytical Processing dan
data mining. Dalam tahapan ini,
terdiri dari cube dan dimension.
Cube terdiri dari 1 yaitu cube
Transaksi, sedangkan dimension terdiri dari dimension Produk, tgl_transaksi, Pelanggan. Jika ada atribut yang akan ditampilkan, maka dapat ditambahkan atribut tersebut dari data source view ke
dimension yang sudah ada.
4. Selanjutnya pembuatan dashboard di SSRS (SQL Server ReportAnalysis). Tahapan ini membuat dashboard yang sudah didesain sebelumnya dengan memanfaatkan data source dari SSAS yang telah dibuat sebelumnya. Adapun hasil tampilan yang telah dibuat yaitu :
Gambar 1. Grafik batang Jumlah Distribusi Produk Makanan olahan (Pac)
Gambar 2. Grafik batang Jumlah Transaksi Produk Olahan
11 5. Hasil dashboard yang telah
dibuat, dideploy ke reporting
server dengan memasukan
targert server url adalah http://localhost/ReportServer. Url dijalankan di menu Internet
Explorer.
5. Kesimpulan
Berdasarkan penelitian yang dilakukan,dapat disimpulkan :
1. Dengan memanfaatkan dashboard
business intelligence, dapat membantu dan memudahkan dalam pembuatan laporan, menganalisa dan pengambilan keputusan di PT. Central Pertiwi Bahari.
2. Dengan memanfaatkan dashboard
business intelligence, analisa dan
pelaporan dapat direalisasikan. Ini dikarenakan informasi yang ingin didapatkan dapat dengan mudah dilihat dari hasil pembuatan grafik, dan tabel.
3. Hasil grafik dan tabel dari pembuatan dashboard di PT. Central Pertiwi Bahari, memudahkan pimpinan (eksekutif) dalam pengambilan kebijakan di masa yang akan mendatang. 4. Tujuan dari penelitian ini adalah
Rancangan Dashboard Sistem Informasi Eksekutif di PT. Central Pertiwi Bahari telah terlaksana dengan memanfaatkan
dashboard business intelligence.
Daftar Rujukan
1. Marius P Angipora : Dasar-dasar Pemasaran. Grafindo Persada, Jakarta (2002)
2. Sofyan Assauri : Manajemen Pemasaran. Raja Grafindo Persada, Jakarta (2007)
3. Larissa T.Moss, Shaku Atre : Business Intelligence Roadmap-The Complete Project Lifecycle For Decision-Support Applications. Addison Wesley, Boston (2008)
